一种数据处理方法及装置制造方法及图纸

本发明专利技术实施例公开了一种数据处理方法及装置。在本发明专利技术实施例中，响应于第一卷积层接收到的第一图像帧的待处理数据为非冗余数据，所述第一卷积层对所述第一图像帧的待处理数据进行处理，其中，所述非冗余数据为所述第一卷积层尚未处理的所述待处理数据中的图像帧，由此，可以使得卷积神经网络在执行时序数据处理任务时，避免卷积神经网络中的卷积层对部分数据的重复处理，由此，可以减小卷积神经网络的计算量和存储。

A Data Processing Method and Device

【技术实现步骤摘要】
一种数据处理方法及装置
本专利技术涉及数据处理
，更具体地，涉及一种数据处理方法及装置。
技术介绍
随着人工智能在各种垂直细分领域的应用，人们对视频、音频等大规模且时间维度较长的数据处理的需求越来越大。卷积神经网络具有良好的平移不变性，因此，通常采用基于卷积神经网络的算法来处理这种大规模时序数据。目前，在进行大规模时序数据的处理过程中，通常会存在冗余计算和冗余存储，这造成了计算资源和存储资源的浪费。
技术实现思路
有鉴于此，本专利技术实施例提供一种数据处理方法及装置，以使得卷积神经网络在执行时序数据处理任务时，避免卷积神经网络中的卷积层对部分数据的重复处理，从而减小卷积神经网络的计算量和存储。第一方面，本专利技术实施例提供一种数据处理方法，所述方法包括：第一卷积层接收连续图像帧的待处理数据；响应于所述第一卷积层接收到的第一图像帧的待处理数据为非冗余数据，所述第一卷积层对所述第一图像帧的待处理数据进行处理，所述非冗余数据为所述第一卷积层尚未处理的所述待处理数据中的图像帧；其中，所述第一卷积层为卷积神经网络中的一个卷积层，所述第一卷积层处理的特征图为N个图像帧沿纵向拼接后获得的，其中，本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：第一卷积层接收连续图像帧的待处理数据；响应于所述第一卷积层接收到的第一图像帧的待处理数据为非冗余数据，所述第一卷积层对所述第一图像帧的待处理数据进行处理，所述非冗余数据为所述第一卷积层尚未处理的所述待处理数据中的图像帧；其中，所述第一卷积层为卷积神经网络中的一个卷积层，所述第一卷积层处理的特征图为N个图像帧沿纵向拼接后获得的，其中，N为大于等于2的整数。

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：第一卷积层接收连续图像帧的待处理数据；响应于所述第一卷积层接收到的第一图像帧的待处理数据为非冗余数据，所述第一卷积层对所述第一图像帧的待处理数据进行处理，所述非冗余数据为所述第一卷积层尚未处理的所述待处理数据中的图像帧；其中，所述第一卷积层为卷积神经网络中的一个卷积层，所述第一卷积层处理的特征图为N个图像帧沿纵向拼接后获得的，其中，N为大于等于2的整数。2.根据权利要求1所述的数据处理方法，其特征在于，所述方法还包括：根据所述第一卷积层读取的非冗余数据更新所述第一卷积层的数据缓存。3.根据权利要求2所述的数据处理方法，其特征在于，所述根据所述第一卷积层读取的非冗余数据更新所述第一卷积层的数据缓存包括：保留所述第一卷积层读取的非冗余数据和至少部分所述数据缓存中的原有数据。4.根据权利要求3所述的数据处理方法，其特征在于，被保留的所述数据缓存中的原有数据的数据量根据所述第一卷积层的卷积核尺寸、所述第一卷积层对应的滑动步长和第二卷积层的非冗余数据的数据量确定，所述第二卷积层为第一卷积层的下一个相邻卷积层。5.根据权利要求1-4任一项所述的数据处理方法，其特征在于，所述第一卷积层的非冗余数据的数据量根据第三卷积层的非冗余数据的数据量、所述第三卷积层对应的滑动步长和填充数据量确定，所述第三卷积层为所述第一卷积层的上一个相邻卷积层。6.根据权利要求1-5任一项所述的数据处理方法，其特征在于，所述卷积神经网络具有时间尺度上的平移不变性。7.根据权利要求1-6任一项所述的数据处理方法，其特征在于，所述第一卷积层对所述第一图像帧的待处理数据进行处理，具体为：所述第一卷积层按照预定的数据粒度读取所述第一图像帧，所述预定的...

【专利技术属性】
技术研发人员：李涵，张伟豪，胡川，戚海涛，
申请(专利权)人：北京灵汐科技有限公司，
类型：发明
国别省市：北京,11